基于深度学习设计的仿生血管化电极用于高性能快充电池
材料科学
2021-07-30 v1
摘要
均质多孔电极缓慢的离子传输和高电压降（IR 降）是高倍率下锂离子电池（Li-ion）性能严重退化的关键原因。本文展示了一种仿生血管化多孔电极，通过引入低曲折通道和梯度孔隙率可同时解决这两个问题。为优化血管结构参数，我们采用人工神经网络（ANNs）以高精度加速可能结构的计算。此外，编译了一个逆向设计搜索库，以在不同工业制造和设计准则下寻找最优血管结构。该原型提供了一个包含最优几何参数及其不确定性和敏感性分析的可定制包。最终，全血管化电池在 3.2C 电流密度下相比传统均质电池显示出 66% 的充电容量提升。本研究提供了一种解决电池快充问题的创新方法，并拓宽了深度学习算法在不同科学或工程领域的适用性。
引用
@article{arxiv.2107.13711,
title = {Bio-inspired vascularized electrodes for high-performance fast-charging batteries designed by deep learning},
author = {Chenxi Sui and Yao-Yu Li and Xiuqiang Li and Genesis Higueros and Keyu Wang and Wanrong Xie and Po-Chun Hsu},
journal= {arXiv preprint arXiv:2107.13711},
year = {2021}
}